stringtranslate.com

Análisis forense electoral

Los análisis forenses electorales son métodos utilizados para determinar si los resultados electorales son estadísticamente normales o estadísticamente anormales, lo que puede indicar fraude electoral . [1] Utiliza herramientas estadísticas para determinar si los resultados electorales observados difieren de los patrones que ocurren normalmente. [2] Estas herramientas pueden ser relativamente simples, como observar la frecuencia de números enteros y usar la ley de Benford del segundo dígito , [3] o pueden ser más complejas e involucrar técnicas de aprendizaje automático .

Método

La ciencia forense electoral puede utilizar varios enfoques. Los métodos incluyen:

Solicitud

Entre 1978 y 2004, una revisión de 2010 concluyó que el 61% de las elecciones examinadas en más de 170 países mostraban algunos signos de fraude electoral, con un fraude importante en el 27% de todas las elecciones examinadas. Desde principios de la década de 2000, la ciencia forense electoral se ha utilizado para examinar la integridad de las elecciones en varios países, incluidos Afganistán, Albania, Argentina, Bangladesh, Camboya, Kenia, Libia, Sudáfrica, Uganda, Venezuela y Estados Unidos. [7] [2] [8]

Se han utilizado herramientas forenses electorales para concluir, con alta probabilidad, que el recuento de votos ha sido manipulado en elecciones oficiales en Rusia, [9] Ucrania, [10] Egipto, [11] y Estados Unidos. [12]

Comparado con otros métodos

En comparación con otros métodos de monitoreo de la seguridad electoral, como el monitoreo en persona de los lugares de votación y la tabulación paralela de votos , el análisis forense electoral tiene ventajas y desventajas. La ciencia forense electoral se considera ventajosa porque los datos son objetivos y no están sujetos a interpretación. También permite analizar sistemáticamente los votos de todas las contiendas y localidades, con conclusiones estadísticas sobre la probabilidad de fraude. [2] Las desventajas de la ciencia forense electoral incluyen su incapacidad para detectar fraude, solo anomalías en los datos que pueden o no ser indicativas de tal fraude. El experto en forense electoral Walter Mebane ha señalado que varios métodos forenses electorales podrían en realidad señalar como fraude comportamientos no fraudulentos como la votación táctica . [13] Además, algunos expertos creen que 2BL y otros métodos son inútiles para analizar elecciones.

Esto se puede abordar combinando análisis forenses electorales con monitoreo en persona. Otra desventaja es su complejidad, que requiere conocimientos avanzados de estadística y una importante potencia informática. Además, los mejores resultados requieren un alto nivel de detalle, idealmente datos completos del lugar de votación sobre la participación electoral , el recuento de votos para todos los temas y candidatos, y las papeletas válidas. Los resúmenes amplios a nivel nacional tienen una utilidad limitada. [2]

Referencias

  1. ^ Stewart, Charles (2011). "Tecnologías de votación". Revista Anual de Ciencias Políticas . 14 : 353–378. doi : 10.1146/annurev.polisci.12.053007.145205 .
  2. ^ abc Hicken, Allen; Mebane, Walter R. (2017). Una guía de análisis forense electoral (PDF) (Reporte). Centro de Estudios Políticos de la Universidad de Michigan.
  3. ^ Mebane, Walter hijo (2006). Análisis forense electoral: la prueba de la ley de Benford de segundo dígito y las recientes elecciones presidenciales estadounidenses (PDF) (Reporte). Cornell.
  4. ^ ab Klimek, Peter; Yegorov, Yuri; Hanel, Rudolf; Thuner, Stefan (9 de octubre de 2012). "Detección estadística de irregularidades electorales sistemáticas". Procedimientos de la Academia Nacional de Ciencias . 109 (41): 16469–16473. arXiv : 1201.3087 . Código Bib : 2012PNAS..10916469K. doi : 10.1073/pnas.1210722109 . ISSN  0027-8424. PMC 3478593 . PMID  23010929. 
  5. ^ Deckert, José; Myagkov, Mijaíl; Ordeshook, Peter C. (2011). "La ley de Benford y la detección del fraude electoral". Análisis Político . 19 (3): 245–268. doi : 10.1093/pan/mpr014 . ISSN  1047-1987. JSTOR  23011436.
  6. ^ Zhang, Malí; Álvarez, R. Michael; Levin, Inés (31 de octubre de 2019). "Ciencia forense electoral: uso de aprendizaje automático y datos sintéticos para la posible detección de anomalías electorales". MÁS UNO . 14 (10): e0223950. Código Bib : 2019PLoSO..1423950Z. doi : 10.1371/journal.pone.0223950 . ISSN  1932-6203. PMC 6822750 . PMID  31671106. 
  7. ^ Noonan, David (30 de octubre de 2018). "¿Cómo son unas elecciones torcidas?". Científico americano . Consultado el 10 de agosto de 2020 .
  8. ^ "Notas sobre análisis forense electoral, encuestas a boca de urna y validación de referencia". CÓDIGO ROJO-Robo electoral informatizado . 2018-08-08 . Consultado el 28 de noviembre de 2020 .
  9. ^ Kobak, Dmitry; Shpilkin, Sergey; Pshenichnikov, Maxim S. (marzo de 2016). "Porcentajes enteros como huellas dactilares de falsificación electoral". Anales de Estadística Aplicada . 10 (1): 54–73. arXiv : 1410.6059 . doi : 10.1214/16-AOAS904 . ISSN  1932-6157.
  10. ^ "La ciencia forense del fraude electoral: Rusia y Ucrania | Solicitar PDF". Puerta de la investigación . Consultado el 28 de noviembre de 2020 .
  11. ^ Ketchley, Neil (3 de octubre de 2019). "¿Fraude en las elecciones presidenciales egipcias de 2018?". Política mediterránea . 26 : 117-129. doi :10.1080/13629395.2019.1673634. hdl : 10852/75493 . ISSN  1362-9395. S2CID  211466789.
  12. ^ Simón, Jonatán. "Lo crea (o no): las elecciones especiales de Massachusetts para el Senado de los Estados Unidos" (PDF) . Código Rojo 2014 .
  13. ^ "¿Fraude electoral o votación estratégica? ¿Pueden las pruebas de segundos dígitos marcar la diferencia?". Puerta de la investigación . Consultado el 22 de abril de 2021 .